时间戳

首页 > 解决方案 > 我如何获得与 keras 重合的百分比

python - 我如何获得与 keras 重合的百分比

问题描述

我有我的模型和我的偏见，当我预测我的图像时，我得到一个像这样的向量

[0 , 0 , 0 , 1]

我需要这样的东西

[.48, .52, .08, .97]

我的培训代码是：

entrenamiento_datagen = ImageDataGenerator(
rescale=1. / 255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1. / 255)

entrenamiento_generador = entrenamiento_datagen.flow_from_directory(
data_entrenamiento,
target_size=(altura, longitud),
batch_size=batch_size,
class_mode='categorical')

validacion_generador = test_datagen.flow_from_directory(
data_validacion,
target_size=(altura, longitud),
batch_size=batch_size,
class_mode='categorical')

cnn = Sequential()
cnn.add(Convolution2D(filtrosConv1, tamano_filtro1, padding ="same",input_shape=(longitud, altura, 3), activation='relu'))
cnn.add(MaxPooling2D(pool_size=tamano_pool))

cnn.add(Convolution2D(filtrosConv2, tamano_filtro2, padding ="same"))
cnn.add(MaxPooling2D(pool_size=tamano_pool))

cnn.add(Flatten())
cnn.add(Dense(256, activation='relu'))
cnn.add(Dropout(0.5))
cnn.add(Dense(clases, activation='sigmoid'))

cnn.compile(loss='categorical_crossentropy',
        optimizer=optimizers.Adam(lr=lr),
        metrics=['accuracy'])

我的分类代码是：

ongitud, altura = 150, 150
modelo = './modelo/modelo.h5'
pesos_modelo = './modelo/pesos.h5'
with CustomObjectScope({'GlorotUniform': glorot_uniform()}):
cnn = load_model(modelo)
cnn.load_weights(pesos_modelo)

def predict(file):
  x = load_img(file, target_size=(longitud, altura))
  x = img_to_array(x)
  x = np.expand_dims(x, axis=0)
  array = cnn.predict_proba(x[0:1])
  print(array)

我试过 predict(), predict_proba() 但没有用

标签： pythontensorflowkeras

解决方案

您应该使用 binary_crossentropy 而不是 categorical_crossentropy：

  • categorical_crossentropy 用于多类问题，即为每个样本从众多类别中选择一个。它返回一个介于 0 和 1 之间的数字向量，总和为 1。

  • binary_crossentropy 用于多标签问题，即可能为每个样本分配多个标签。它返回一个数字向量，每个数字都在 0 和 1 之间。

推荐阅读